用递阶优化方法把系统优化和系统辨识相结合解决离散系统的优化问题

本文介绍了一种用递阶优化的计算结构算法解决非线性、线性离散时间系统的优化和参数辨识问题。该方法的优点在于把系统优化和辨识问题有机地结合起来,达到了总体最优化克服了以往先辨识、后优化两段分离的缺点,这是因为若分为两步走,势必先要在某时间段内对系统进行辨识,在下段时间内依据辨识的模型结构,参数进行优化,这对时变系统来讲很难达到总体最优。因为优化的精度依赖于模型精度、最大和模型精度相同,而在一段时间内用一个不变的模型代替时变模型,显然得不出最优;其次该方法不仅适用于解小系统问题也可解大的、复杂的系统优化问题;再者,在计算机实时控制系统中,被控制对象的数学模型是离散型的,因此,讨论离散系统优化和辨识问题有很大的意义。最后本文讨论了在线控制问题,收敛条件以及θ值的收敛上限和收敛下限。